Lo Mejor de Ser Data Scientist: 5 (grandes) Ventajas de Trabajar en Ciencia De Datos.

Tiempo de lectura: 7 minutos

El objetivo principal de este post es ayudar a quienes están interesad@s y/o dudos@s en comenzar el camino de la ciencia de datos, contándoles, en base a mis más de 10 años de experiencia, qué es lo mejor de ser un/a data scientist.

Espero que al leer este artículo puedas tener una visión más concreta y completa sobre qué significa ser data scientist y cuáles serán las mejores cosas de este rol.

En caso que este post genere interés, estaré escribiendo en el corto plazo un artículo complementario con los warnings sobre ser un/a cientific@ de datos, es decir, los temas que quizá nadie comenta, que no son tan glamorosos pero que están presentes en la ciencia de datos. Si estás interesad@ en este tema complementario, no olvides dejármelo saber acá 🙂

¿Por qué escribo este post?

Mi motivación principal para escribir este post se basa, en primer lugar, y como much@s deben saber o imaginar, en mi pasión por la ciencia de datos y en el potencial de sus aplicaciones en el mundo privado y público.

Y, reconociendo y declarando el posible sesgo que tendrán los siguientes párrafos, me interesa de sobre manera motivar a la mayor cantidad de personas para que se involucren en el maravilloso mundo de los datos.

En segundo lugar, creo que a pesar de la fama que goza actualmente la ciencia de datos, no es abundante el contenido de experiencias concretas sobre lo que es trabajar como data scientist (menor aún en español), por lo que me gustaría, en este post, aterrizar, concretizar y despejar dudas y/o mitos para que cada un@ de ustedes pueda tomar una decisión informad@.

Por último, pienso que es muy positivo poder compartir puntos de vista entre personas con distintos niveles de experiencia, ya que enriquece la red de contacto asociada al data science.

Si luego de leer este post quieres profundizar en algún tema, te dejo los enlaces para algunos de mis más recientes artículos:

¿Quién debería leer este post?

Este post debería interesarte si eres un/a estudiante interesad@ y/o con dudas sobre el mundo del data science.

También debería ser relevante para ti si ya estás trabajando y además estás evaluando un cambio a un rol relacionado con el mundo de los datos.

Por último, si ya eres un/a data scientist, este post podría ayudarte a darte cuenta si tu trabajo actual presenta los elementos positivos que describo y creo comunes.

Para sacarle máximo provecho a este post.

Antes de comenzar, te dejo algunos comentarios para que le saques el mayor provecho a lo que viene:

  • Tal como mencionaba anteriormente, reconozco y declaro el sesgo que tendrán los siguientes párrafos debido a mi pasión por la ciencia de datos. No obstante, trato de ser objetivo dentro de dichos sesgos (?) y expresar opiniones y experiencias de data scientists conocid@s, más algunos datos cuantitativos para argumentar ciertos puntos.
  • También declaro, a priori, que lo que en mi visión es positivo, para otra persona puede no serlo (y vic.) Por ende, más que considerar esto como opiniones propias, te recomiendo tomar este post como información inicial para formar tu propia visión sobre ser data scientist. 
  • Por último, me gustaría que este post (y el blog en general) sea un punto de partida para que sigamos conversando sobre estos temas, así que si quieres enviarme comentarios, observaciones, felicitaciones, o lo que te nazca, sólo haz clic aquí 🙂

Las 5 mejores cosas de ser data scientist.

Dicho todo lo anterior, no esperemos más y comencemos a ver los aspectos que convierten al rol de data scientist en el trabajo más sexy del siglo XXI:

Variedad de trabajos.

Como data scientist, actualmente nos podemos desempeñar en una gran variedad de trabajos, ya sea en términos de distintos sectores, áreas y cargos.

Con respecto a lo primero, cada día es más común ver aplicaciones de proyectos de data e inteligencia artificial en distintos sectores, como por ejemplo:

  • Salud: Propensión a presentar determinadas enfermedades.
  • Banca: Probabilidad de no pago de los clientes.
  • Redes sociales: Segmentación de tipos de usuarios.
  • E-commerce: Recomendación de productos.
  • Educación: Predicción de estudiantes con riesgo de deserción.

Por otro lado, y complementando lo anterior, dentro del mundo de los datos podemos optar a trabajos en distintas áreas relacionadas, como por ejemplo:

  • Data Science.
  • Inteligencia Artificial.
  • Robótica.
  • Computer vision.
  • Procesamiento de lenguaje natural (NLP).

Así también, algunos roles relacionados que podemos desempeñar, entre otros, son:

  • Data Scientist.
  • Machine Learning Engineer.
  • Data Engineer.
  • Data Analyst.

En resumen, sabiendo que pasar de un sector / área / rol a otro no es directo, y que nada nos garantiza el éxito en estos cambios, sí debemos tomar conciencia que la variedad de trabajos que podemos desempeñar como científic@s de datos es mucho mayor que en la mayoría de otros campos, lo cual es una gran ventaja al desarrollar una carrera en el mundo de los datos.

Contexto / condiciones.

Vivimos en el mejor momento para ser data scientist. Punto. 🙂

Esto, ya que, aunque la ciencia de datos existe hace décadas, la humanidad nunca ha enfrentado un mejor contexto y condiciones para el desarrollo de este campo.

Veamos algunas de las razones para afirmar lo anterior:

  • Datos: Gran cantidad y variedad de datos disponibles.
  • Procesamiento: Cada vez mayor cómputo en ordenadores / computadores.
  • Capital humano: Más personas dedicadas a proyectos de data e IA y múltiples comunidades generando sinergia.
  • Tecnologías: Avance de otras tecnologías complementarias, como por ejemplo, visualizadores de datos, almacenaje, etc.

Y, por si fuera poco, los años que vienen serán aún mejor, por ejemplo, con el desarrollo de áreas y aplicaciones en computer vision, procesamiento de lenguaje natural (NLP), etc.

Así que… ¡seamos parte de un momento histórico! Y si no has comenzado, puedes partir acá.

Equilibrio entre capacidades técnicas y habilidades blandas.

Dada mi experiencia, en un “día promedio”, un/a data scientist seguramente tendrá que hacer llamadas para explicar a qué datos necesita acceder, programar en Python para analizar y/o desarrollar modelos de machine learning, diseñar y preparar slides (storytelling incluído) y presentar resultados en una reunión con clientes internos, para cerrar el día enviando correos de la forma más clara posible.

Y justamente este es uno de los aspectos que más me gusta de ser data scientist: la variedad de tareas que debemos realizar dentro de lo que se espera de nuestro rol. 

Entre los aspectos técnicos encontramos:

  • Manejo de datos (ejemplo: MS Excel, SQL).
  • Perfil analítico.
  • Estadísticas y probabilidades.
  • Programación.
  • Machine learning.

Por otro lado, dentro de las habilidades blandas, algunos ejemplos relevantes son:

  • Comunicación efectiva.
  • Pensamiento estructurado.
  • Curiosidad.
  • Proactividad.

¿Por qué me gusta esta mezcla? Bueno, creo que si te gusta enfrentar desafíos diversos y usar plenamente tu cerebro, ser data scientist es de las mejores opciones. Y de paso, esto incluso provoca un desarrollo integral de tu personalidad.

Y recuerda que si quieres saber más de las capacidades y habilidades necesarias para ser una data scientist, puedes revisar mi post donde abordo este tema.

Responsabilidad, influencia y toma de decisiones de forma transversal.

¿Te gusta y/o motiva tener influencia y ser parte clave de las decisiones que se toman en una organización, ya sea a nivel operativo, táctico y/o estratégico? 

Si la respuesta es “sí”, entonces ser data scientist es una excelente opción para ti 🙂

Lo común es que l@s data scientists trabajen de forma transversal con todos los niveles y áreas de una organización y ayuden a éstas a tomar las mejores decisiones mezclando experiencia e insights extraídos desde la data. Y en este último punto es donde somos clave.

Así, un día estarás definiendo dotaciones óptimas en tiendas (cantidad de personas según horarios) o personalizando campañas comerciales (qué enviar a quién y cuándo). Luego, otro día, estimando stock de productos para evitar quiebres y/o ayudando a decidir los mejores lugares para abrir las siguientes sucursales y/o trabajando, codo a codo, con el Gerente General en la definición de la estrategia de los próximos años dada la rentabilidad de clientes y/o productos.

Sueldo (renta, salario, …) de un/a data scientist.

Si todo lo anterior aun no te convence de que el rol de data scientist es una de las mejores alternativas en la actualidad, acá va un último punto: el sueldo 🙂

Según el sitio especializado Glassdoor, el sueldo promedio de un/a científic@ de datos es:

  • Chile: 2,195 USD/mes (+32%)
  • Argentina: 1,520 USD/mes (+46%)
  • Colombia: 1,208 USD/mes (+49%)
  • Perú: 1,213 USD/mes (21%)
  • España: 3,379 USD/mes (13%)

Con respecto a lo anterior, algunas observaciones:

  • Entre paréntesis se muestra, como referencia, el crecimiento en sueldos promedios al comparar con el cargo de data analyst.
  • Los datos se obtienen desde el sitio web de Glassdoor durante el mes de diciembre de 2021.
  • Todos los datos utilizados presentan una confianza alta o muy alta, según lo declarado por el mismo sitio.

Palabras al cierre (resumen).

Espero que con este post tengas más claridad y hayas resuelto dudas sobre lo que es desempeñarse como data scientist. Y si tu motivación aumentó, mejor aún.

Antes de finalizar, te dejo un resumen de los principales puntos sobre las 5 mejores cosas de ser científic@ de datos:

  • Gran variedad de trabajos: Como data scientist podemos “movernos” de forma relativamente directa entre distintos sectores (salud, banca, e-commerce, etc.), áreas (data science, IA, NLP, etc.) y cargos (científic@ de datos, ML engineer, data analyst, etc.)
  • Contexto y condiciones: Debido a aspectos como la gran cantidad y variedad de datos, la capacidad de procesamiento, el capital humano (comunidades incluidas) y los avances tecnológicos, vivimos en el mejor momento para ser data scientist. 
  • Capacidades técnicas + Habilidades blandas: Un/a data scientist debe estar preparado para usar su cerebro al máximo y desempeñar una gran variedad de tareas, ya que las expectativas sobre nuestro rol incluyen capacidades técnicas (manejo de datos, programación, machine learning, etc.), como también habilidades blandas desarrolladas (comunicación efectiva, pensamiento estructurado, proactividad, etc.)
  • Influencia y toma de decisiones: L@s data scientists trabajan de forma transversal con los niveles y áreas de una organización y ayudan a éstas a tomar las mejores decisiones mezclando experiencia e insights extraídos desde la data. ¿Te gusta tener influencia y ser parte clave de las decisiones que se toman en una organización? Entonces este rol es para ti.
  • Sueldos: Y si todo lo anterior no te parece suficiente, como data scientist seguramente estarás recibiendo un sueldo por encima del promedio de trabajos en tu país.

Si quieres saber más o te gustaría que publique sobre algún otro tema, no dudes en escribirme. También puedes escribirme si tienes alguna duda o si quieres darme feedback. Por último, sería genial seguir en contacto a través de mis redes sociales, como Twitter y LinkedIn (también sígueme en Instagram que tengo Instagram).

🙂

Referencias.

Pros and Cons of Data Science – Why Choose Data Science for Your Career – DataFlair

Pros And Cons Of Data Science In 2021 | by Bharath K